Anthropic两份最新研究读解：AI预期、Agent工时与就业变化

10月16日，Anthropic Institute发布了两份相互关联的研究：一份调查美国公众与Anthropic员工对AI未来能力、工作采用和就业的预期；另一份用公司内部的人事、Agent使用、业务产出和招聘记录，观察AI密集型组织里的工作变化。它们能提供具体信号，但样本来自不同人群，测量的也不是同一件事，不能简单拼成“AI已经替代了多少工作”的结论。

同一技术，不同的未来预期

能力预期调查中的美国样本由Morning Consult于2026年8月11日至23日在线收集，共10,980名成年人，结果按人口特征加权；Anthropic员工调查有1,334份回应，未加权。问及到2030年AI能否做出诺贝尔级科学发现，39%的美国成年人和91%的员工回答可以。对“AI能完成自己当前多少工作时数”的平均估计，员工为75%，美国在职受访者为28%。对AI可胜任的任务，公众预计到2030年约42%会实际采用AI，员工的估计为65%。

这些数字首先是受访者判断，不是能力基准测试、企业部署数据或就业预测。员工每天接触前沿AI，可能更了解工具边界；同时，他们是单一公司的内部样本，调查也可能受自我选择和乐观程度影响。公众样本虽然经过加权，仍来自在线选择加入的调查面板。报告本身还发现，即使在AI使用经验相近的人群中，工作类型、采用障碍和对未来增长的看法仍有差异。

公司内部观察到什么

第二份研究汇集公司雇佣、Agent遥测、可量化产出、员工调查、沟通记录和招聘评分卡，并访谈了17名员工。报告称，按其定义统计，2026年8月员工指挥的互动式Agent工作时长约为人类员工工时的六倍。这里的“Agent工时”是运行时间，包含推理和主动工具调用，但不包括超过30分钟的等待；人类工时按人数乘以每周40小时估算，因此这不是把两类生产力等价比较。

岗位结构也在变化：Anthropic技术部门中初级员工占比从2025年初的21%降至14%，初级技术岗位在技术招聘中的占比从27%降至9%。公司整体仍在扩张，技术员工绝对人数也继续增长；销售、财务和招聘等职能增长更快，报告将其部分归因于业务扩张和AI工具扩散，而不是简单的岗位替代。员工跨部门流动也更频繁，部分团队转向为Agent编写规范、评估结果和维护工作流。

研究还记录到代码提交、销售成交和合同处理等产出指标随工具采用而上升，但作者提醒，Anthropic同期快速增长，工具采用并非随机分配，更多产出不等于更高质量或更大利润。Agent输出量增加后，人的注意力、审核和补充上下文成为新的瓶颈；报告估算，非技术岗位员工若完整阅读互动式Claude会话的所有输出，可能需要超过半个工作周。员工的职责因而可能从直接执行，转向选择任务、监督Agent、处理例外和协调团队。

为什么不同研究会得出不同数字

Anthropic另一项分析从10万段Claude.ai对话估算任务耗时，模型估计这些任务在无AI时平均约需90分钟，单项任务平均节省约80%时间。研究再假设未来十年在美国经济全面采用当前一代AI，模型推算劳动生产率每年可能提高1.8%。这不是观测到的宏观增幅，也不是预测：估算由Claude给出，没有完整计算对话以外的校验、返工和组织成本，样本也只覆盖Claude.ai对话。

METR的早期随机对照实验让16名资深开源开发者，在自己熟悉的大型代码库中完成246项真实任务；使用2025年初的AI工具时，平均完成时间反而长19%。METR在2026年2月补充了后续实验：57名开发者、143个仓库、800多项任务，但开发者和任务选择都受到AI普及影响，参与者更不愿意在禁用AI时工作，METR因此认为后续估算无法可靠代表真实加速幅度。原实验也明确限定在早期模型、特定开发者和高质量代码库，不能外推到今天所有AI工具或其他职业。

读者可以怎样使用这些证据

三类证据适合回答不同问题：调查反映人们相信什么，企业内部记录描述一个高采用率组织里发生了什么，任务实验和对话模型则分别测量受控任务耗时与估算的单项任务效率。它们的差异提醒我们同时追踪任务质量、审核时间、岗位入口、团队重组和收益分配。对使用者来说，与其只看自动化比例，不如观察哪些任务真的从端到端变快、谁承担验证成本，以及初级员工还通过什么路径积累经验。

原始来源

• Anthropic：The AI expectations gap（2026-10-16）
• Anthropic：How employment is changing at Anthropic（2026-10-16）
• Anthropic：Estimating AI productivity gains
• METR：We are Changing our Developer Productivity Experiment Design（2026-02-24）
• METR：早期2025年开发者随机对照实验
• Anthropic Economic Scenario Explorer